This thesis investigates the impact noise has on Grover’s algorithm when being used to search for multiple items in a database. The main metric being looked at is the probability of the algorithm successfully finding a correct item. The Qiskit framework was used to implement and evaluate the algorithm’s performance in noise-free and noisy environments. Results from the experiments show significant findings. In noiseless tests, the algorithm performs effectively and as expected. However, with the introduction of a noise model, the algorithm’s performance declines noticeably. The probability of it finding a marked item was close to the probability of randomly selecting the same item from the database. This was the case regardless of how many items were marked or the database size. These unexpected outcomes illustrate the disabling effect of noise on Grover’s algorithm. Limitations of the study include noise completely disrupting the algorithm, challenges in accurately modelling quantum noise, and the use of relatively small databases. Further research is needed to explore noise mitigation strategies and assess the algorithm’s robustness in larger-scale scenarios. This research strengthens our understanding of noise’s impact on Grover’s algorithm, showcasing the challenges and limitations of its implementation. It highlights the importance of properly managing noise in quantum computing to fully utilize its potential in efficiently solving complex problems.

Denna avhandling undersöker effekten av brus på Grover’s algoritm för att söka efter flera markerade element i en databas. Huvudfokuset var att undersöka sannolikheten att algoritmen korrekt skulle hitta ett av flera markerade element i en databas. Qiskit-ramverket användes för att utvärdera algoritmens prestanda i brusfria och brusiga miljöer. Resultaten från experimenten var betydelsefulla. I brusfria tester presterar algoritmen effektivt och som förväntat. Men, med införandet av brus minskar algoritmens prestanda avsevärt. Sannolikheten för att algoritmen hittar ett markerat element liknar sannolikheten för att slumpmässigt välja ut samma element från databasen. Detta var fallet oavsett hur många element som var markerade och databasens storlek. Dessa oväntade resultat illustrerar brusets söndrande effekt på Grover’s algoritm. Begränsningar i studien inkluderar att bruset helt får algoritmen att sluta fungera, utmaningar med att noggrant modellera kvantbrus och användningen av relativt små databaser. Vidare forskning behövs för att undersöka strategier för att mitigera brus och bedöma algoritmens robusthet i storskaliga scenarier. Denna forskning stärker vår förståelse för brusets påverkan på Grover’s algoritm och betonar utmaningar och begränsningar vid dess implementering. Den betonar vikten av att hantera brus inom kvantdatorer för att kunna utnyttja deras potential för effektiv lösning av komplexa problem.